VANET运动模型解析解与数值解的比照分析

依据车载自组织网络(VANET)的高移动性特征分别建立VANET运动解析模型与运动仿真模型.通过两种运动模型得到VANET度分布的解析解与数值解.对它们进行比照分析,发现两种度分布曲线均呈现出小度值的节点个数众多、大度值节点个数较少的特点,符合幂律函数分布,由此证明VANET是一个无标度网络.另外,从理论分析与仿真实验两个角度证明,VANET对随机性攻击具有较高的鲁棒性,但对针对性攻击则表现出网络的脆弱性.     

车载网中一种基于时隙的优先转发紧急警示消息方案

本文提出了一种基于时隙的优先转发紧急警示消息（time-slotted-based forwarding priority-emergency warning messa-ges，TSPEW）方案，极大地提高了 EMW 消息的传输效率。仅允许“段长”车辆转发 EMW 消息，抑制广播风暴。为了避免来自安全消息的干扰，采用优先时隙转发 EMW 消息策略，通过发送 CLEAR 消息预留转发 EMW 消息的时隙。基于 CLEAR 的预留机制优先转发 EMW 消息，只有无 EMW 消息时，才传输安全消息。仿真结果表明，所提出的 TSPEW 方案能够及时、有效地传输 EMW 消息，并维持高的数据包接收率和低的端到端传输时延。     

车路协同仿真场景设计与实现

为改善道路安全、提高交通效率并实现智慧交通,提出一种基于多智能体的车辆自组网络和路侧无线感知网络的车路协同系统混合架构.该架构中每台车和各重要路口的信号灯均为多智能体,包含路侧终端、车载终端和行人探测器,通过无线通信网络实现人-车-路信号互联,全方位感知周围环境信息.用TransModeler对厦门市某区域进行仿真,结果表明:该架构可以准确、全面地感知道路环境,采集交通事故信息,反映全路网运行状况,并可依据仿真结果对交通异常情况进行预测和判定,为路网的安全运行提供有力的参考.     

VANET场景下的GPSR-R路由算法

路由选择是实现VANET的关键技术之一,没有合适而高效的路由选择算法,VANET就无法工作。由于路由在长距离通信时多跳易断裂,通信链路只需满足通信需求即可。文章对GPSR路由协议进行了改进,提出了VANET场景下的GPSR路由算法:GPSR-R。GPSR-R根据移动节点间链路建立的网络需求进行综合考虑,充分利用不稳定但满足需求的路由完成信息的传递。分析结果表明,GPSR-R在数据包传递率、丢包率方面优于GPSR和GPSR-AD。     

适应VANET拓扑瞬态时变的多相滤波器组信道化方法

车载网络拓扑结构容易受到瞬态时变干扰。为了保证信号的完整性,提出一种改进的实信号多相滤波器组信道化方法。此方法利用实信号频谱对称特征,将信道进行对称划分,然后在多相处理前端进行比现有多相滤波器组信道化结构高2倍的抽取处理,进一步降低了后续处理的数据速率,最后对复指数调制部分进行的优化处理使该结构的硬件实现效率更高。此方法在和现有方法达到相同效果的前提下,大大降低了复杂度,提高了车载网络中实时信号处理的能力,在通信接收机以及各种子带分离系统中也具有很广泛的应用前景。     

基于探测信息的车辆自组织网络功率控制算法

提出一种应用于车辆自组织网络的功率控制算法.首先给出系统吞吐量优化的理论分析和仿真分析,指出当网络中车辆节点数为15时,系统吞吐量达到最大.然后设计了基于车辆探测消息的功率控制算法,算法中每个车辆节点周期性地发送探测信息,并根据接收到的其他车辆信息,分析出网络中车辆节点数目以及网络的前后连通状态,继而通过自动调整发射功...     

基于隐朴素贝叶斯分类方法的垂直切换算法

为解决车辆在相对高速运动下产生网络间切换的“乒乓效应”,根据隐朴素贝叶斯分类思想,突破原有贝叶斯决策中关于属性之间完全独立的假设,建立属性间的关系,同时引入自适应修正概率,降低切换次数,避免了运算的复杂度。仿真结果表明,改进算法与原算法及其他算法相比较,可以有效降低切换次数,并且拥有更低的运行时间,提升了在车联网环境下垂直切换的稳定性与效率。     

基于阈值的车联网信标传输功率控制算法

研究了基于阈值的车联网信标传输功率控制算法.在保证网络最大连通性前提下,通过预设信道负载阈值,规定信道负载的合理区间,根据阈值调整目标节点载波侦测范围内所有车辆的信标传输功率,将信道负载控制在一定范围内,从而避免信道拥塞.通过仿真八车道高速公路基本路段和实际行车实验,对算法进行了验证及相关分析.结果表明该算法能有效地控制信道负载,避免信道拥塞,增强了车载网络无线信标传输的稳定性和健壮性.     

VANET云环境下基于人工神经网络的车辆任务卸载策略

在VANET(vehicular ad-hoc network)云环境中,由于车辆自身资源受限等原因需要将部分计算密集型任务卸载至周围车辆协同处理。而车辆移动的随机性是影响车辆任务卸载性能好坏的重要因素之一,对此,提出了一种车辆间的卸载任务分配策略。考虑到车辆之间连接时间的随机性,提出一种基于人工神经网络的连接时间预测方法,该方法能够通过对历史数据的学习,较为准确地对未来车辆行驶轨迹进行预测。此外,车辆将空闲资源进行共享意味着自身能耗增加,由于车辆本身的自私性使得车辆不会无偿为周围车辆提供服务。为了激励车辆之间进行协作,制定了一种分布式买卖博弈方法达到车辆资源需求与收益之间的平衡,还设计了一种集中式任务分配策略以获得任务卸载的最大效用。仿真显示,提出的方法在最大化卸载效用与提高任务卸载成功率方面都有较好的性能。     

基于复合中继的车载自组织网络数据传输算法

在车载自组织网络中,传输安全类相关的数据时,要求满足低时延和高可靠性,针对高速公路场景中危险警告消息数据的传输,提出一种基于邻居信息的多候选复合中继安全数据传输算法.车辆节点之间通过相互交换Hello Message构建2跳邻居表,在选择下一跳转发节点时利用2跳邻居节点信息得到一个复合参数,该复合参数综合考虑了车辆速度、位置和行驶方向3个因素.根据得到的复合参数值确定转发优先顺序,最高优先级车辆节点被确定为最佳中继转发节点,次优先级车辆节点作为备选中继转发节点.在最佳转发节点发送消息失败时,由备选转发节点继续完成消息转发任务,从而提高数据传输成功率.理论分析和仿真结果表明,提出的算法在实时性和可靠性方面有明显提升.